Tags enveloppants — Text-to-Speech API

Leçon corrigée le 3 novembre 2026 d’après la page Text to Speech de xAI : les douze tags enveloppants officiels, dans les trois familles de xAI ; la balise <strong> de l’ancienne version ne figure pas dans la liste, et <build-intensity>, <decrease-intensity> et <sing-song> manquaient. Source : Text to Speech.

Modifier le style de parole sur un segment de texte

Contrairement aux tags inline qui produisent un effet ponctuel, les tags enveloppants modifient la façon dont un segment entier de texte est prononcé. Ils utilisent une syntaxe XML avec une balise ouvrante et une balise fermante.

Syntaxe des tags enveloppants

Les tags enveloppants encadrent le texte à modifier avec des balises <tag> et </tag> :

Voici un texte normal, puis <whisper>un passage chuchoté</whisper>, puis retour à la normale.

Le texte à l’intérieur des balises est prononcé avec le style indiqué. Le reste du texte conserve sa prosodie normale.

Volume et intensité

Ces tags contrôlent l’intensité de la parole :

<soft> : voix douce, intime, comme si vous parliez à quelqu’un de proche
<whisper> : chuchotement, comme un secret partagé
<loud> : voix forte, comme si vous projetiez votre voix dans une grande salle
<build-intensity> : une intensité qui monte au fil du passage
<decrease-intensity> : une intensité qui retombe au fil du passage

<soft>Je vais vous confier un secret.</soft> [pause] <loud>Le voici !</loud>
<build-intensity>Trois, deux, un… c'est parti !</build-intensity>

Le contraste entre <soft> et <loud> est très efficace pour créer des effets dramatiques ou pour souligner des points importants.

Hauteur et vitesse

Ces tags modifient la hauteur tonale de la voix et son débit :

<higher-pitch> : voix plus aiguë, qui peut évoquer la surprise ou l’enthousiasme
<lower-pitch> : voix plus grave, qui évoque l’autorité ou la gravité
<fast> : parole accélérée, utile pour les mentions légales ou les informations secondaires
<slow> : parole ralentie, idéale pour les instructions importantes ou les dictées

<higher-pitch>Vraiment ? C'est incroyable !</higher-pitch>
Voici l'information principale. <fast>Les conditions générales sont disponibles sur notre site.</fast>
<slow>Répétez après moi : bonjour, comment allez-vous ?</slow>

Pour régler la vitesse de tout un texte plutôt que d’un passage, préférez le paramètre speed de la requête (leçon 2).

Style vocal

<sing-song> : une diction chantante, mélodieuse
<singing> : style chanté, pour les jingles ou les mélodies
<emphasis> : accentuation, pour mettre en valeur un mot ou une phrase

<singing>Joyeux anniversaire !</singing>
<emphasis>C'est absolument essentiel.</emphasis>

xAI conseille d’envelopper des phrases complètes plutôt que des mots isolés : <whisper>C'est un secret.</whisper> sonne plus naturel qu’un seul mot chuchoté.

Règles d’imbrication

Les tags enveloppants peuvent être combinés, mais attention à bien les imbriquer correctement :

<soft><slow>Ecoutez attentivement ce passage.</slow></soft>

L’imbrication doit respecter l’ordre LIFO (dernier ouvert, premier fermé), comme en HTML. Évitez les chevauchements invalides :

<!-- Correct -->
<soft><slow>texte</slow></soft>

<!-- Incorrect - chevauchement -->
<soft><slow>texte</soft></slow>

Exemples pratiques par cas d’usage

Narration de podcast

[breath] <soft>Bienvenue dans cet episode.</soft> [pause]
Aujourd'hui, nous explorons un sujet fascinant.
<emphasis>L'intelligence artificielle generative.</emphasis> [long-pause]
<slow>Prenez un moment pour y reflechir.</slow>

Message d’accueil téléphonique

Bonjour et bienvenue chez Corsen AI. [pause]
<slow>Pour le service commercial, appuyez sur 1.</slow> [pause]
<slow>Pour le support technique, appuyez sur 2.</slow> [pause]
<fast>Cet appel peut etre enregistre a des fins d'amelioration du service.</fast>

Contenu éducatif

Le point important a retenir est le suivant. [pause]
<emphasis><slow>L'API retourne des octets audio, pas du JSON.</slow></emphasis>
[long-pause] Assurez-vous de bien traiter la reponse en binaire.

Points clés à retenir

Les tags enveloppants utilisent la syntaxe <tag>texte</tag>
xAI en publie douze : volume et intensité (<soft>, <whisper>, <loud>, <build-intensity>, <decrease-intensity>), hauteur et vitesse (<higher-pitch>, <lower-pitch>, <slow>, <fast>) et style vocal (<sing-song>, <singing>, <emphasis>)
Enveloppez des phrases complètes plutôt que des mots isolés
L’imbrication est possible mais doit respecter l’ordre LIFO
Combinez tags inline et enveloppants pour un rendu expressif